মেশিন লার্নিং পটভূমি (𝐓𝐡𝐞 𝐌𝐚𝐜𝐡𝐢𝐧𝐞 𝐋𝐞𝐚𝐫𝐧𝐢𝐧𝐠 𝐋𝐚𝐧𝐝𝐬𝐜𝐚𝐩𝐞 ):

👉পর্ব : 2

✍ বিষয় : মেশিন লার্নিং কি?

বর্তমান টেকনোলজির হট টপিক হচ্ছে মেশিন লার্নিং তথা আর্টিফিসিয়াল ইন্টিলিজেন্স। বেশির ভাগ মানুষ যখন এ বিষয়ে প্রথম শোনে অনেকেই ভাবে এটি রোবটিক অথবা মেশিন বিষয়ক কোন লার্নিং প্রসেস। কিন্তু সত্যিকার অর্থে মেশিন লার্নিং এর থেকে বড় কিছু। মেশিন লার্নিং হচ্ছে 𝐀𝐈 এর অনেক গুরুত্বপূর্ণ একটি ধাপ। বর্তমান বিশ্বে এ বিষয়ে অনেক টেকনোলজি ডেভোলাপ এবং প্রসার হচ্ছে এবং বলা যায় ভবিষৎ বিশ্বের বিপ্লব হবে মেশিন লানিং তথা 𝐀𝐈(𝘈𝘳𝘵𝘪𝘧𝘪𝘤𝘪𝘢𝘭 𝘪𝘯𝘵𝘦𝘭𝘭𝘪𝘨𝘦𝘯𝘤𝘦) দ্বারা ।

মেশিন লার্নিং এর ধরনা শুরু হয় আজ থেকে অনেক বছর আগে। এটি আধুনিক বিশ্বের নতুন কোন কল্পনা না। মূলত এটি গত কয়েক দশক ধরে অনেক গুরুত্বপূর্ণ এপ্লিকেশন এ ব্যবহার হয়ে আসছে। এমন একটি এপ্লিকেশন হল: 𝐎𝐂𝐑(𝑂𝑝𝑡𝑖𝑐𝑎𝑙 𝐶ℎ𝑎𝑟𝑎𝑐𝑡𝑒𝑟 𝑅𝑒𝑐𝑜𝑔𝑛𝑖𝑜𝑧𝑎𝑡𝑖𝑜𝑛)। 1990 সালে 𝐒𝐩𝐚𝐦 𝐅𝐢𝐥𝐭𝐞𝐫 নামক 𝐒𝐤𝐲𝐧𝐞𝐭 এর একটি গুরুত্বপূর্ণ এপ্লিকেশন উদ্ভব হয়েছিল। যার মাধ্যমে একটি ইমেইল স্পাম অথবা রেগুলার কিনা তা ক্লাসিফাই করা যেত।

আমারা যদি দৈনিক জীবনে বিদুৎ ছাড়া কোন কিছু চিন্তা ভাবনা করি তাহলে বুঝতে পারি বিদুৎ আমারে জীবন-যাপনকে কিভাবে পরিবর্তন করেছে। তথ্য প্রযুক্তির বিল্পবে বিদুৎ ছিল অনেক বড় একটি বিপ্লব । তেমনই বিজ্ঞানীদের ধারনা মেশিন লার্নিং তথা 𝐀𝐈 হবে পৃথিবীর একটি গুরুত্বপূর্ণ বিপ্লব । যা আমাদের জীবন-যাপন ও প্রযুক্তির শুরু পরির্বতনই করবে না অনেক দূর এগিয়ে নিয়ে যাবে।

চলুন দেখি কে কিভাবে মেশিন লার্নিং কে ডিফাইন করছে

মেশিন লার্নিং কি? মেশিন লার্নিং হচ্ছে সাইন্স অব প্রাগামিং ল্যাঙ্গুয়েজ। এটি শিখতে পারে রিয়েল ওয়াল্ড ডাটা থেকে।

এখন আমার কিছু মেশিন লার্নিং এর গুরুত্বপূর্ণ সজ্ঞা :

“𝑀𝑎𝑐ℎ𝑖𝑛𝑒 𝑙𝑒𝑎𝑟𝑛𝑖𝑛𝑔 𝑖𝑠 𝑡ℎ𝑒 𝑓𝑖𝑒𝑙𝑑 𝑜𝑓 𝑠𝑡𝑢𝑑𝑦 𝑡ℎ𝑎𝑡 𝑔𝑖𝑣𝑒𝑠 𝑐𝑜𝑚𝑝𝑢𝑡𝑒𝑟𝑠 𝑡ℎ𝑒 𝑎𝑏𝑖𝑙𝑖𝑡𝑦 𝑡𝑜 𝑙𝑒𝑎𝑟𝑛 𝑤𝑖𝑡ℎ𝑜𝑢𝑡 𝑏𝑒𝑖𝑛𝑔 𝑒𝑥𝑝𝑙𝑖𝑐𝑖𝑡𝑙𝑦 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑚𝑒𝑑.” ——— 𝐀𝐫𝐭𝐡𝐮𝐫 𝐒𝐚𝐦𝐮𝐞𝐥, 𝟏𝟗𝟓𝟗.

অর্থাৎ মেশিন লার্নিং এমন একটি ফিল্ড যেখানে কম্পিউটারের সামর্থ থাকে কিছু শিখা, যা স্পষ্ট ভাবে কোন প্রোগ্রাম ছাড়া।

সহজ ভাষায় বললে, আমারা জানি আমারা যখন কম্পিউটারকে কোন কমান্ড দেই কম্পিউটার কমান্ড অনুযায়ি কাজ করে অর্থাৎ কমান্ডে যা নির্দেশ দেওয়া থাকে কম্পিউটার তাই করে। কিন্তু নতুন কোন সমস্যাার সম্মুখিন হলে তা ঐ কমান্ড এর নির্দেশে যদি না থাকে কম্পিউটার সেটির কোন সমাধান দিতে পারে না।

কিন্তু বিষয়টা এমন হলে কেমন হতো, কম্পিউটারের জন্যে এমন একটি অ্যালগরিদম প্রাগ্রাম দ্বারা সেট করা থাকবে যা প্রয়োজনে সমস্যার সমসাধন দিবে এবং নতুন কোন সমস্যার সম্মুখিন হলে এটি পূর্ব অভিজ্ঞাতা থেকে নতুন সমস্যার সমাধান দিবে। অর্থাৎ মেশিন লার্নিং এর ভাষায় 𝑇𝑎𝑟𝑛𝑛𝑖𝑛𝑔 𝐷𝑎𝑡𝑎 𝐸𝑥𝑝𝑟𝑖𝑒𝑛𝑐𝑒 থেকে 𝑈𝑛𝑘𝑛𝑜𝑤𝑛/𝑈𝑛𝑠𝑒𝑒𝑛 𝐷𝑎𝑡𝑎 এর সঠিক সমাধান দিবে।

আর হ্যাঁ এটি শুধু মাত্র মেশিন লার্নিং দ্বার সম্ভব।

A More Engineering Oriented One:

A computer program is said to learn from experience E with respect to some task T and some performed measure P, if it’s performance on T, as measured by P, improves with experience E.

———-Tom Mitchell, 1997.

অর্থাৎ একটি computer program যদি কিছু শিখে Experience E থেকে, Experience হয়েছে কিছু particular task T এর মাধ্যমে। Experience থেকে computer যা শিখে তা performance measure করে P দ্বারা তাহলে সমীকরণটি হচ্ছে কোন computer যদি কোন performance করে T এবং performance measure করে P দ্বারা এবং performance measure করার পর যদি দেখে performance accuracy বেশি না, তহলে performance improve করবে কম্পিউটার পূর্ববর্তী কোন Experience E থেকে।

আরো সহজ করে বুঝার জন্য:

একটা উদাহরণ দেওয়া যাক, উদাহরণটি আমার স্পাম ফিল্টা দিয়ে দিবো। স্পাম ফিল্টর হল এমন একটি মেশিন লানিং প্রোগ্রাম যা কোন ইমেইল স্পাম কি না তা শেখে কিছু পূর্ববর্তী স্পাম ইমেইল এর উদাহরণ থেকে। এবং ইমেইলটি রেগুলার ইমেইল কি না তা শেখে পূর্ববর্তী রেগুলার ই-মেইল এর উদাহরণ থেকে। আর্থৎ পূর্বতবর্তী অনেক ডাটা অথবা উদাহরণের মাধ্যমে একটি নির্বাচন করে ই-মেইল টি স্পাম কিংবা রেগুলার। এইখানে পূর্ববর্তী উদাহরন সমূহকে মেশিন লানিং এর ভাষায় বলে Traning Data Set। প্রত্যেক আলাদা আলাদা Training Example কে বলে Traning Instance(Sample Data)।

এক্ষেত্রে মেশিন লার্নিং Task T হচ্ছে একটি নতুন ই-মেইল কে নির্বাচন করা যে এটি স্পাম নাকি রগেুলার ই-মেইল। Experience E হচ্ছে পূর্ববর্তী উদাহরন অর্থাৎ Training Data এবং performance measure P বের করতে হবে Task T থেকে। ইহাকে বলা যায় Ratio of Correctly Classify E-Mail। এই নিদির্ষ্ট performance P কে মেশির লার্নিং এর ভাষায় বলা হয় Accuracy Test এবং Classification Task।

Algorithms are the smart and powerful soldier of a complex machine learning model. In other words, machine learning algorithms are the core foundation when we play with data or when it’s come to training the model.

Top Machine Learning Algorithm Domains

• Naive Bayes
• Decision Tree
• Linear Regression
• Logistic Regression
• Learning associations
• K-Nearest Neighbors
• Support Vector Machines
• Deep Learning
• Generative Learning
• etc

The intelligent systems built on machine learning algorithms have the capability to learn from past experience or historical data. Machine learning applications provide results on the basis of past experience. We will discuss Machine Learning Domains ,how machine learning is helping in creating better technology to power today’s ideas.

Top Machine Learning Applications Domains

• Image Recognition
• Speech Recognition
• Medical diagnosis
• Statistical Arbitrage
• Learning associations
• Speech Recognition
• Online Fraud Detection
• Extraction
• Regression Analysis
• Financial Services
• Sentiment Analysis
• Video Surveillance
• Online Customer Supports
• Services of Social Media
• Medical Services
• Robot Control
• Virtual Personal Assistant

For more information check out my youtube video..